Abstract

摘要:本文设计了一种基于LeNet的深度卷积神经网络,利用大豆叶斑病斑影响区域进行病害识别和分类。采用无监督模糊聚类算法从叶片图像中分割出病害斑的影响区域。所提出的深度卷积神经网络模型的测试准确率为89.84%,分类错误的图像有1378张,分类正确的图像有1271张,每类识别结果较差。其中vgg16表现最好,识别率达93.54%,分类错误1245张,分类正确1404张,每类识别率更高。

关键词:深度卷积神经网络,无监督模糊聚类算法,图像分割,大豆叶斑病

I. INTRODUCTION

世界上大多数国家的经济都依赖于农业。农业在人类食物的生产和分配中占有重要的地位。(作物的生长)农业不仅可以给人们的日常生活带来必需品,还可以提高土壤肥力,保持良好的土壤生态系统,控制土壤侵蚀,减少泥石流、沙尘暴等自然灾害,改善人类赖以生存的环境。然而,作物的生长发育与周围的环境密切相关。而环境污染越来越严重,可能诱发农作物病害。大豆是世界上最重要的农产品之一。【2】今天,它是受几个疾病担心大量的农民,和对抗作物疾病仍然是一个主要问题,控制这些疾病,大量的化学物质或杀真菌剂用于柑橘作物,导致经济损失和环境污染[2]。
【3,4】现在,基于人工智能的新技术可以发展精准农业,改善作物,管理和限制床上化学品的滥用[3,4]。
【5,6,7】植物病害的检测和分类是提高植物生产力和经济增长的重要任务[5,6,7]。
【2,8,9】计算机视觉、机器学习和深度学习算法使开发控制和分析植物病害的工具成为可能[2,8,9]。

II. RELATED WORK

如今,计算机视觉

基于深度卷积神经网络的大豆叶斑病识别相关推荐

  1. 基于深度卷积神经网络的农作物病害识别

    基于深度卷积神经网络的农作物病害识别 1.研究思路 运用深度学习的方法,基 于ResNet-50以及 InceptionV3.MobileNet等神经网络,并在这些基础结构上改进部分模型.该研 究主要 ...

  2. 基于深度卷积神经网络的玉米病害识别

    基于深度卷积神经网络的玉米病害识别 1.研究思路 算法模型是先将图像预处理,应用Tripletloss双卷积神经网络结构学习玉米图像特征,再使用SIFT算法提取图像纹理细节,最后通Softmax对图像 ...

  3. 论文翻译:基于深度卷积神经网络的肉鸡粪便识别与分类

    Recognition and Classification of Broiler Droppings Based on Deep Convolutional Neural Network 基于深度卷 ...

  4. 基于深度卷积神经网络进行人脸识别的原理是什么?

    原文:https://www.zhihu.com/question/60759296 基于深度卷积神经网络进行人脸识别的原理是什么? 这里的人脸识别包括但不限于:人脸检测,人脸对齐,身份验证识别,和表 ...

  5. 基于深度卷积神经网络的目标检测研究综述

    基于深度卷积神经网络的目标检测研究综述 人工智能技术与咨询 来自<光学精密工程> ,作者范丽丽等 摘要:作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究.目标检 ...

  6. 基于一维卷积神经网络的滚动轴承故障识别

    基于一维卷积神经网络的滚动轴承故障识别 文章目录 基于一维卷积神经网络的滚动轴承故障识别 一.数据预处理 二.模型构建 三.模型训练 四.模型测试 总结 一.数据预处理 采用美国凯斯西储大学(CWRU ...

  7. 基于深度卷积神经网络的ImageNet分类

    基于深度卷积神经网络的ImageNet分类 文章目录 摘要 一.介绍 二.数据集 三.结构 ReLU非线性 局部反应归一化 重叠集合 整体架构 数据扩张 总结 摘要 我们训练了一个大型的深度卷积神经网 ...

  8. 一种基于深度卷积神经网络(DCNN)用于于头发和面部皮肤实时分割方法

    团队信息 摘要 现代的语义分割方法通常过于关注模型的准确性,因此引入繁琐的主干,这会带来沉重的计算负担和内存占用.为了解决这个问题,作者提出了一种基于深度卷积神经网络(DCNN)的高效分割方法,用于头 ...

  9. 基于深度卷积神经网络(D-CNN)的图像去噪方法

    基于深度卷积神经网络的图像去噪方法   摘要:图像去噪在图像处理中仍然是一个具有挑战性的问题.作者提出了一种基于深度卷积神经网络(DCNN)的图像去噪方法.作者设计的不同于其他基于学习的方法:一个DC ...

最新文章

  1. php common errors
  2. c语言通讯录以及写入文件,学C三个月了,学了文件,用C语言写了个通讯录程序...
  3. kafka常用的shell命令
  4. 开源开放 | 中文相对复杂词汇识别数据集RCWI-Dataset(CCKS2021)
  5. [ExtJS6]ResponsiveColumn-自适应列布局
  6. lua 5.3 英文手册
  7. 2019年7月19日星期五(交叉编译工具)
  8. 字符串拼接的sql注入实战
  9. 软考中级网络工程师学习笔记(知识点汇总)普通版
  10. 【疑难杂症】三步解决虚拟机启动失败,提示无法获取VMCI驱动程序的版本的问题
  11. 2016年总结:教师路的开启,爱情味的初尝 (下)
  12. 5 mysql 凤舞天骄_浅谈5行刺客的技能 凤舞天骄
  13. 2011新版车主宝典改进亲体验(Android版)
  14. Android中onTouch方法的执行过程以及和onClick执行发生冲突的解决办法
  15. CentOS7上软RAID的实现
  16. 手机也可以快速翻译、PDF翻译超简单
  17. java 坦克大战画坦克_【JAVA语言程序设计基础篇】--JAVA实现坦克大战游戏--画出坦克(二)...
  18. winxp MySQL 5.6.35 免安装版 简单配置
  19. 昆石VOS3000/VOS2009 V2.1.7.01/V2.1.7.03 操作指南
  20. 论文阅读笔记:MuTual: A Dataset for Multi-Turn Dialogue Reasoning

热门文章

  1. 用POLARDB构建客到智能餐饮系统实践
  2. 团队项目(MVP-----------新能源汽车无线充电管理系统)个人任务(5)
  3. CISCO CCNA路由器密码管理
  4. Sublime的Package Control安装方法
  5. Use gradle compile volley framework
  6. jquery 筛选不到 checkbox, radio 表单元素
  7. nyoj35 表达式求值
  8. 快速撑握C#知识点之类的数据成员
  9. 如何在html中选择wrap,jQuery - .wrap() 使用HTML包裹选取的元素
  10. 软件测试工程师除了找BUG,还能干啥?